5 多维数据透视分析 (10%)

1、多维数据模型

定义：多维数据模型又叫多维数据集、立方体，指的是相互间通过某种联系被关联在一起的不同类别的数据集合。多维数据集可从多角度用数据全面映射某种业务的实际状况。

多个不同维度下的业务数据描述，需要有多个业务维度囊括的数据环境。

---

2、 多维数据模型创建方法

2.1 相邻两表间连接汇总

通过【公共字段】连接两表，选择不同表中字段分别作为维度、度量，选择汇总计算规则。

2.2 影响连接汇总的三要素

1）筛选器方向

      单向和双向

      筛选器方向决定维度与度量的出处  （筛选的一侧是维度，结果是度量）

（2）对应关系

    分为三类，决定连接汇总的结果

• 一对一
• 多对一
• 多对多

（3）汇总角色

         维度

         度量

A.筛选器方向 

筛选器方向决定维度与度量的出处、不可逆筛选器方向做筛选

维度汇总度量，维度筛选度量，；筛选器可以决定谁可以当维度，谁可以当度量。

（1）单向

箭头出发一侧为维度，指向一侧为度量；（维度→度量）

（2）双向

两表间互为筛选

OLAP无表的连接方向，也没有表的方向；

OLAP有主附表之分，根据提供度量的表来作为主表，出所有的数据范围。

B.对应关系 

（1）1对1 （1-公共字段无重复值的）

1对1，主键与主键相连。（两表具有相同主键，并且作为公共字段生成一对一连接），一般不会出现，因为可以合成一张表来用了。

遇到一对一的时候，要去判断是不是真的主键对主键。

(2) 多对多，非主键相连；尽量避免使用这种连接关系

(3) 1对多，主键连接非主键 （单向）

(4) 1对多，主键连接非主键 （双向）

相邻量表连接时，应尽量使用多对一的关系，双向筛选方向时，多表可筛选一表，但筛选方式不同于一表筛选多表的筛选方式

C 两种汇总方式

上面的类型二的例子，由于公共字段就是维度字段不好解释，所以请看下面的例子

类型二的进一步说明

先看维度(区域id)对应的公共字段(产品id)，在用公共字段(产品id)去筛选度量(产品总销量)

2.3 跨表筛选（筛选路径不通，则无法正确汇总） 

若都为双向，则筛选路径通；但是数据结果不对，汇总规则用的类型二，不符合业务要求。 

2.4 交叉连接 

交叉连接下只有一条路径为有效路径。有效路径用实线显示。

2.5 三种模式（星型、雪花、星座） 

• 星型模式

         一个事实表与多个维度表相连

• 雪花模式

          维度表与维度表相连；进行维度的扩展

• 星座模式

         多个事实表共用某些维度表

         eg：销售表、库存表、采购进货单表，都可以通过产品编号与产品表相连，就是星座模式

2.6 5W2H思维模型 

---

3、基本透视规则

3.1、基本规则

3.2、对比计算规则

3.3、时间下的汇总规则

 3.4、对比汇总公式

3.5、行间透视

---

4、多维透视分析应用

制作界面展示